1. 网络聚类系数
考虑如下网络
1) 该网络是有向还是无向网络,判断依据是什么?
2) 网络中的节点数,边数分别是多少?
3) 网络中每个节点的度是多少,若是有向网络给出每个节点的出度和入度。
4) 给出该网络的邻接矩阵和Laplace矩阵。
5) 忽略网络中指示边方向的箭头,请计算每个节点的聚类系数和整个网络的平均聚类系数。
解:
1) 有向图;箭头。
2) 节点数5,边数7
3)
节点 度 入度 出度 1 3 2 1 2 3 1 2 3 4 2 2 4 2 2 0 5 2 0 2 4) 邻接矩阵
((1.3)表示有出度;(2,1)表示有出度;······)
Laplace矩阵
(对角元表示该节点的总出度)
5)
平均聚类系数:
节点 邻居节点 (邻居节点)
实际构成的边数
理论构成的边数 聚类系数 1 2,5,3 2 3*2/2 = 3 2/3 2 1,3,4 2 3 2/3 3 1,2,4,5 3 6 1/2 4 2,3 1 1 1 5 1,3 1 1 1
2. 网络的拓扑特征
随机图网络(Random-graph networks)的3个重要拓扑特征:
- 随机连接:在随机图网络中,节点之间的连接是 随机方式建 立的,没有特定的规则或模式。
- 短平均路径长度:尽管连接是随机的,但随机图网络通常具有 较短的平均路径长度,这意味着节点之间的信息传播速度较快。
- 低聚类系数:在随机图网络中,节点的聚类系数通常较低,这 意味着节点的邻居之间很少存在连接。
小世界网络(Small-world networks)的3个重要拓扑特征:
- 高聚类系数:小世界网络具有较高的聚类系数,即节点的邻居 之间存在较多的连接,形成两局部的聚集。
- 短平均路径长度:与随机图网络类似,小世界网络也具有较短 的平均路径长度,这意味着节点之间的信息传播速度较快。
- 高度的局部聚类和全局连通性:小世界网络同时具有高度的 局部聚类和全局连通性,这使得它在信息传播和同步方面具有良好的 性能。
无标度网络(Scale-free networks)的3个重要拓扑特征:
- 幂律度数分布:无标度网络的度数分布遵循幂律分布,即存在 少数节点具有非常高的度数,右大多数节点具有较低的度数。
- 高度的鲁棒性:无标度网络对于随机节点的删除具有较高的 鲁棒性,即它们能够保持较好的连通性和功能性。
- 无尺度特性:无标度网络的拓扑结构在不同的尺度上被具有 相似的特征,这意味着它们在不同的层,上被具有类似的度数分布和 结构特征。
3. 网络最大流.
图为一个网络N, 弧上的数值表示该弧的弧容量,假设初始可行流为零值流,用找可增路的方法求出该网络的一个最大流.
"初始可行流"是指满足以下条件的流:
流量非负:
对于网络中的每一条边(i,j),其流量f(i,j)必须大于或等于0。符合容量限制:
对于网络中的每一条边(i,j),其流量f(i,j)必须小于或等于该边的容量c(i,j)。满足流量平衡约束:
对于网络中的每个节点i(除源点s和汇点t之外),进入节点i的总流量与离开节点i的总流量相等。在一些优化算法中,如最大流问题的预处理步骤,人们通常会假设初始流为零值流,也就是所有边的初始流量都设为0。这样的零值流显然是一个初始可行流,为后续的优化计算提供了一个合理的起点。
最大流
- 最大流是指在一个有向图(网络)中,从源点s到汇点t的最大可能流量。也就是说,在满足网络容量约束的情况下,从源点s到汇点t的最大传输量。
求解最大流
- 一种常用的求解最大流的方法是"可增路的方法"(augmenting path method)。它包括以下步骤:
- 找到一条从源点s到汇点t的可增路径(augmenting path)。
- 沿着这条可增路径增加流量,直到某条边的流量达到容量上限。
- 重复步骤1)和2),直到找不到任何可增路径为止。
- 此时的流量就是网络的最大流。
解:
剩余容量:3
剩余容量:2
总流量:5
剩余容量:4
剩余容量:1
总流量:5
剩余容量:2
总流量:2
剩余容量:5
总流量:5
剩余容量:1
剩余容量:3
剩余容量:2
总流量:6
故网络的最大流为6.
4. 二部图和无奇圈
𝑛(𝑛 ≥ 2)阶无向图𝐺是二部图当且仅当𝐺中无奇圈
二部图
二部图中的顶点可以被分成两组,每条边都连接这两组中的顶点。
二部图由以下两个条件定义:
- 顶点集 V 可以被划分为两个互不相交的子集 X 和 Y。
- 每条边都连接 X 中的一个顶点和 Y 中的一个顶点。也就是说,不存在连接 X 中两个顶点或 Y 中两个顶点的边。
(注:二部图中顶点数和边数并不一定相等。例如:
- 假设有一个二部图 G,U 中有 3 个顶点,V 中有 2 个顶点。
- 那么图 G 的顶点总数是 3 + 2 = 5 个。
- 但图 G 中的边数可以是 0 条、1 条、2 条、3 条、4 条、6 条等任意非负整数。
- 顶点数和边数并不一定相等。)
无奇圈
它描述了一个图中是否存在一个可以穿过所有顶点的回路,该回路不会经过任何顶点两次。
一个无向图G具有无奇圈的性质当且仅当满足以下条件:
- 图G是连通的,即任意两个顶点之间都存在路径相连。
- 图G中每个顶点的度数都是偶数。
证明:
必要性:当是二部图时,𝐺中的任意一条回路的各边必须往返于𝑉1, 𝑉2之间,因此其回路必由偶数条边组成.
充分性:
(证一)
首先, 由于 G 是无奇圈图, 根据无奇圈图的定义, 我们知道 G 是连通图,且每个顶点的度数都是偶数。
接下来, 我们给 G 中的每个顶点染色, 使用两种颜色(比如红色和蓝色)进行染色。
- 从任意一个顶点 v 开始, 将其染为红色。
- 然后, 将与 v 相邻的所有顶点染为蓝色。
- 接着, 将与蓝色顶点相邻的顶点染为红色, 以此类推, 直到所有顶点都被染色。
由于 G 是连通图, 所有顶点都能被染色。
- 而且, 由于每个顶点的度数都是偶数, 所以每个顶点的相邻顶点必定是另一种颜色。
- 因此, G 中所有顶点都被划分成了两个互不相交的子集, 每条边都连接这两个子集中的顶点。
综上所述, 我们证明了在无奇圈图 G 中, 如果 G 的阶数 n (n ≥ 2), 那么 G 一定是二部图。
5. 握手定理
求证:
(1). (握手定理)在任何无向图中,所有顶点数的度之和等于边数的两倍,即
,
m为无向图的边数。
(2). 在任何图当中,奇数顶点的个数是偶数。
证明:
(1).
对于无向图 G 中的每条边(u, v),它同时贡献了顶点 u 和顶点 v 的度数。
因此我们可以把图 G 中所有顶点的度数之和视为对每条边进行"两次握手"的结果。
设图 G 有 n 个顶点, m 条边。那么图 G 中所有顶点的度数之和可以表示为:∑(度数(v)) = 2m, 即
(2).考虑一个任意的图G。
设G中有n个顶点,其中有k个顶点的度数是奇数。我们知道每条边都同时贡献了两个顶点的度数。根据"握手定理",所有顶点的度数之和等于图中边数的两倍。即
Σ(度数(v)) = 2m, 其中m是图G中的边数。
现在我们把奇度顶点和偶度顶点分开考虑:
- 奇度顶点的度数之和为k * (奇数)
- 偶度顶点的度数之和为(n-k) * (偶数)
根据"握手定理",有:
- k * (奇数) + (n-k) * (偶数) = 2m
由此可得,k,即图G中奇度顶点的个数,也必定是偶数。
6. 关联矩阵
画出一个最大度为 4,最小度为 3,点数为 5 的图,并写出其关联矩阵,邻接矩阵和拉普拉斯阵。
关联矩阵:
对于一个无向图 G = (V, E),其关联矩阵 A 是一个 |V| × |E| 的矩阵,其中:
- 如果顶点 v 与边 e 相关联(即 v 是 e 的端点之一),则 A[v, e] = 1
- 否则 A[v, e] = 0
解:
关联矩阵:
邻接矩阵:
Laplace矩阵:
7. 完美匹配
.求证:若𝐺是非空𝑘(𝑘 ≥ 1)-正则二部图,则𝐺有完美匹配。
非空正则二部图
设二部图 G = (U, V, E),其中 U 和 V 是两个不相交的顶点集合。
若 G 是非空的,表示 G 中至少有一个顶点和一条边。
若 G 是正则的,则意味着
节点由两个集合组成,且两个集合内部没有边的图。
U中所有顶点的度数都是k
V中所有顶点的度数也都是k
完美匹配
每个顶点v都恰好与M中的一条边关联,即每个顶点的度数都为1。
霍尔定理
设 G = (U, V, E) 是一个二部图,其中 U 和 V 是两个不相交的顶点集合。
G 存在完美匹配的充要条件是:
对于 U 的任意子集 S,其在 V 中的邻居顶点集合的基数不小于 S 的基数。
也就是说,对于 U 中任意的一个顶点子集 S,V 中与 S 相连的顶点数必须大于或等于 S 中顶点的数量。
形式化地表述就是:
对于任意的 U 的子集 S,有 |N(S)| ≥ |S|,其中 N(S) 表示 S 在 V 中的邻居集合。
证明:
(方法1)
设G = (U, V, E)是一个非空的k-正则二部图,其中U和V是两个不相交的顶点集合。
由于G是k-正则的,意味着:
- U中所有顶点的度数都是k
- V中所有顶点的度数也都是k
由于G是非空的,至少有一个顶点和一条边。
根据二部图的定义,G中任意一条边都连接U中的一个顶点和V中的一个顶点。
记U的顶点数为n,V的顶点数为m。
由于每个U中的顶点degree=k,而U中总共有n个顶点,所以U中所有边的数量为nk。
同理,V中所有边的数量也为mk。
由于每条边同时属于U和V,所以nk = mk,即n = m。
现在我们可以构造一个完美匹配M如下:
- 对于U中的每个顶点u,在V中找一个与u相连的顶点v,将边(u,v)加入M。
- 由于n = m,每个U中的顶点都能找到一个V中的顶点与之配对,构成了一个完美匹配。
8. 平均度
若图𝐺的平均度 求证:𝐺有一个度数小于等于 1 的顶点,或者有一个邻点度数小于等于 5 度的 2 度点
邻点度数
对于顶点 v ∈ V,它的邻点度数 ND(v) 定义为:
ND(v) = Σ deg(u)
证明:设𝐺没有一个度数小于等于 1 的顶点,也没有一个邻点度数小 于等于 5 度的 2 度点. 即𝐺的每个顶点度数大于等于 2,且每个2度点的邻点度数大于 5.
初始赋值:每个点初始赋值为, 则初始权值总和为
权转移规则:每个 2 度点从每个邻点得到
权转移后每个点度数均大于等于 3,从而,矛盾.所 𝐺有一个度数小于等于 1 的顶点,或者有一个邻点度数小于等于 5 度的二度点.
9. 最大匹配数
写出图 G 的最小边覆盖数,最小点覆盖数,最大独立集数与割点, 写出其最大匹配。
最小边覆盖数
- 在一个无向图G中,边覆盖是一个边的集合,使得每个顶点至少相连接一条边。
- 最小边覆盖数是图G中最小的边覆盖集的大小。
最小点覆盖数(Minimum Vertex Cover)
- 点覆盖是一个顶点的集合,使得图G中每条边至少与这些顶点中的一个相连。
- 最小点覆盖数是图G中最小的点覆盖集的大小。
最大独立集数(Maximum Independent Set)
- 独立集是一个顶点的集合,使得图G中任意两个顶点都不相邻。
- 最大独立集数是图G中最大的独立集的大小。
割点(Articulation Point)
- 定义:在一个连通图G中,如果删去某个顶点会使图G失去连通性,则该顶点就是割点。
最大匹配(Maximum Matching)
- 定义:在一个无向图G中,匹配是一个边的集合,使得任意两条边都没有公共顶点。
- 最大匹配是图G中包含最多边的匹配。
解:
5;3;5;{};{}
10. 李雅普诺夫函数
考虑洛伦兹(Lorenz)系统
式中,参数, 是普朗特(Prandtl)数, 是瑞利数, 没有特定的称呼。 求:构造李雅普诺夫函数分析原点的全局稳定性。
李雅普诺夫函数分析全局稳定性
构造李雅普诺夫函数 V(x)
- 选择一个适当的李雅普诺夫函数候选,它应该满足 V(x) > 0 且 V(x_e) = 0, 其中 x_e 是平衡点。
计算李雅普诺夫函数导数 dV/dt
- 对李雅普诺夫函数求导,得到 dV/dt。
- 导数表达式应与系统动力学方程相关。
分析 dV/dt 的负定性
- 如果 dV/dt ≤ 0 对于所有的 x,则 dV/dt 是负半定的。
- 如果 dV/dt < 0 对于所有的 x ≠ x_e,则 dV/dt 是负定的。
利用 LaSalle 不变集原理
- 如果 dV/dt 是负半定的,则系统的所有轨线都会收敛到 LaSalle 不变集内。
- 如果 dV/dt 是负定的,则系统的所有轨线都会收敛到平衡点 x_e。
得到全局稳定性结论
- 如果 V(x) 是正定的,dV/dt 是负半定的(或负定的),则系统在 x_e 处是全局稳定的。
解:
当, 时,趋于原点,原点是全局稳定的。故当时,不存在极限环或混沌。
考虑
显然,
则
当,等号右侧严格小于0.当且仅当时
故此时原点全局稳定。
11. 周期-2环
证明当且仅当时,逻辑斯谛(Logistic)映射
有一个周期-2 环。
证明:
周期-2环存在,即
或
即
显然有,另一对根为
当, 两根都是实数,存在周期-2环;
当, 此处发生周期-2环的分岔;
当, 周期-2环不存在。